Содержание к диссертации
Введение 6
ГЛАВА 1. Искусственные нейронные сети и их применение для
решения задач управления 10
Искусственные нейронные сети: общие положения 12
Искусственные нейронные сети: основные решаемые задачи 13
Обучение искусственных нейронных сетей 14
1.4. Этапы развития искусственных нейронных сетей с позиций
сегодняшнего дня 16
Статические нейронные сети и динамические задачи управления 20
Классификация и обзор нейросетевых приемов управления 22
Непосредственное инверсное управление (Direct Inverse Control)...25
Инверсное управление с пассивной адаптацией (Nonlinear Internal Model Control) 26
Адаптивное нейроуправление с эталонной моделью (Model Reference Adaptive Control) 27
Адаптивный нейро-ПИД регулятор 28
Адаптивно-критическая схема (Adaptive Critic) ЗО
1.6.6. Прогнозирующее нейроуправление (Model Predictive Neurocontrol)..32
ГЛАВА 2. Нейросетевые модели динамических объектов и системы
управления на их основе 35
Непосредственное инверсное нейроуправление: основной принцип и связанное с ним заблуждение 36
Новый подход к построению систем непосредственного инверсного нейроуправления 44
2.3. Экспериментальное сравнение предложенного подхода с
современными методами синтеза систем нейроуправления 47
2.4. Теоретические свойства и практические трудности построения
нейросетевых моделей динамических объектов 52
2.5. Выводы по главе 57
ГЛАВА 3. Системы адаптивного нейроуправления с эталонной
моделью: анализ и новое решение 58
Простая альтернатива методу обратного распространения ошибки регулирования сквозь структуру нейросетевой модели прямой динамики объекта для систем адаптивного нейроуправления 60
Адаптивное нейроуправление с эталонной моделью: критический анализ основного принципа и его связь с ПИ-регулированием 65
Новый подход к построению систем адаптивного нейроуправления с эталонной моделью и его сравнение с альтернативными методами управления 70
Выводы по главе 77
ГЛАВА 4. Линейные законы регулирования в нелинейных САУ:
потенциал и связь с нелинейными подходами 80
Об использовании линейных законов регулирования в нелинейных САУ 82
Два шага от предложенной схемы адаптивного нейроуправления к предлагаемой структуре модифицированного ПИД-регулирования 88
О связи ПИД-м-регулирования с известными подходами к решению задачи управления 92
Экспериментальное сравнение линейного ПИД-м-регулирования с распространенными методами нелинейного нейросетевого управления 98
Некоторые теоретические аспекты ПИД-м регулирования и его связь с принципами построения систем с переменной структурой 101
Практический эксперимент: управление нелинейным многосвязным аэродинамическим объектом 106
Описание лабораторной модели 107
Практические результаты различных методов управления лабораторной установкой СЕ-150 «Helicopter Model» 108
4.7. Выводы по главе 113
Выводы по главам 1-4. Общий критический анализ широко
распространенных методов нейроуправления 115
В.1. Необходимые признаки конкурентоспособной системы
нейроуправления 117
ГЛАВА 5. Безмодельное прогнозирующее нейроуправление 122
5.1. Общий принцип предлагаемого подхода к синтезу систем
безмодельного прогнозирующего нейроуправления: прогнозирование
через «воспоминания» 123
5.2. Безмодельное прогнозирующее инверсное нейроуправление 126
Свойства систем безмодельного прогнозирующего инверсного нейроуправления в зависимости от горизонта прогноза 129
Экспериментальное исследование некоторых свойств систем безмодельного прогнозирующего инверсного нейроуправления 132
5.3. Прогнозирующее релейное нейроуправление 141
5.3.1. Экспериментальное исследование некоторых свойств систем
безмодельного прогнозирующего релейного нейроуправления 147
5.4. Выводы по главе 155
ГЛАВА 6. Сравнительное исследование предложенных подходов к
синтезу САУ на примерах упраления реальными объектами 157
Описание экспериментальных установок 157
О возможности редукции размерностей ретроспективных векторов 160
Системы управление положением звена планарного манипулятора 161
Системы управления положением лопасти в воздушном потоке 164
Системы управления «вертолетом» 165
Системы управления углом азимута 166
Системы управления углом азимута в условиях возмущения со стороны угла атаки 171
Системы двухкоординатного управления 173
6.6. Экспериментальное подтверждение влияния фактора
неопределенности динамики 176
6.7. Выводы по главе 179
Заключение 181
Приложение 1. О пропорциональной связи приращений выходной
координаты и управления в линейной дискретной системе 184
Приложение 2. Условия достаточности теоремы Фельдбаума о числе
переключений для частного случая 188
Список использованных источников 198
Введение к работе
Развитие теории автоматического управления, как и развитие любого другого направления науки, характеризуется усложнением решаемых задач и повышением качественных показателей требуемых решений. Модификация и совершенствование традиционных приемов управления не всегда обеспечивает выполнение современных требований. В этом случае возникает необходимость поиска альтернативных подходов, одним из которых на сегодняшний день является применение аппарата искусственных нейронных сетей (ИНС). ИНС уже успешно используются в различных областях науки и техники, дополняя или даже замещая традиционные подходы. Свойство ИНС обучаться на примерах делает их более привлекательными по сравнению с системами, которые следуют определенной системе правил функционирования, сформулированной экспертами. В области управления ИНС рассматриваются как подходящее средство для решения сложных нелинейных задач управления, для которых классические методы регулирования не дают удовлетворительных с практической точки зрения решений. Аппарат ИНС составляет основу «интеллектуального» подхода к синтезу систем автоматического управления (САУ). Для этого направления теории автоматического управления введено отдельное название -нейроуправление [120].
Ранние этапы развития многих направлений в науке сопряжены с возлагаемыми на них большими надеждами, которые по мере формирования прикладных областей приобретают более сдержанный характер. В этом отношении история развития нейроуправления не является исключением. Не последнюю роль в этом сыграло претензионное определение таких систем как «интеллектуальных». Распространенные к сегодняшнему дню методы нейроуправления не соответствуют изначально ожидаемой простоте и
универсальности. К сегодняшнему дню системы нейроуправления пока не получили ожидавшегося широкого распространения на практике.
Целью диссертационной работы является разработка и исследование практически реализуемых конкурентоспособных нейросетевых подходов к управлению динамическими объектами в условиях неопределенности.
Для достижения цели были поставлены и решены следующие задачи.
Исследование наиболее распространенных приемов нейроуправления. Выявление основных недостатков и путей их устранения.
Анализ целесообразности использования нейросетевого аппарата в известных и предложенных нейросетевых системах управления.
Исследование возможности перехода от нейросетевых к классическим принципам управления.
Выявление признаков целесообразности применения нейросетевого аппарата в задачах управления и разработка конкурентоспособных методик синтеза систем нейроуправления.
Экспериментальное исследование предложенных подходов на примерах управления реальными объектами.
При исследованиях применялись методы классической и современной теории автоматического управления, в частности, теории инверсного, адаптивного, робастного, прогнозирующего и оптимального управления, а также теория искусственных нейронных сетей и методы нейрокибернетики. Проверка полученных в ходе работы теоретических результатов выполнялась средствами численного моделирования в среде MATLAB и подтверждалась результатами натурных экспериментов на лабораторных установках.
Научная новизна полученных результатов состоит в следующем.
Предложены системы непосредственного инверсного и адаптивного нейроуправления с регенерируемым эталонным переходным процессом.
На примере линейных объектов управления показана возможность обучения нейрорегулятора адаптивной системы непосредственно по ошибке управления.
3. Предложен подход к синтезу САУ в условиях неопределенности -безмодельное прогнозирующее нейроуправление.
Наибольшую практическую ценность представляют следующие результаты работы.
Методика синтеза систем безмодельного прогнозирующего инверсного нейроуправления, позволяющая в условиях неопределенности реализовывать свойства систем прогнозирующего управления с моделью.
Методика синтеза систем безмодельного прогнозирующего релейного нейроуправления, позволяющая в условиях неопределенности реализовывать свойства систем близких к оптимальным по быстродействию.
Структурная схема и методика настройки системы модифицированного ПИД-регулирования, обеспечивающая качественное управление широким классом нелинейных объектов, отличающаяся оригинальной организацией интегрального канала и допускающая расширенное использование производных.
Научные и практические результаты диссертационной работы внедрены в учебный процесс Дальневосточного государственного технического университета; рекомендованы к внедрению в институте автоматики и процессов управления ДВО РАН при разработке систем многокоординатного управления подводными аппаратами; на базе лаборатории Automatic Control Telelab [135] (университет Сиены, Италия) реализованы в форме установки для демонстрации эффективности современных алгоритмов управления.
Основные результаты исследования по теме диссертации изложены в 11 печатных работах и докладывались на V и VI Международных форумах молодых ученых стран АТР, г. Владивосток, 2003, 2005 гг. [90; 113]; на Региональной научной конференции "Молодежь и научно-технический
прогресе", г. Владивосток, 2004, 2006 гг. [7; 8; 18; 19]; на IV Международной конференции "Идентификация систем и задачи управления", Институт проблем управления им. В.А. Трапезникова РАН, Москва, 2005 г. [17]. С рейтинговыми показателями предлагаемых решений и практической реализацией системы двухкоординатного управления лабораторной установкой «Helicopter СЕ-150» можно ознакомиться посредством Интернет-ресурса лаборатории Automatic Control Telelab [135].
